Transtorno do Espectro Autista em meninas: uma análise comparativa envolvendo estudos de gênero e possível sub reconhecimento na população feminina
Bibliographic record
Abstract
Objetivo: A maior prevalência em meninos com Transtorno do Espectro Autista (TEA) sugere modelos comportamentais e vieses masculinos nos atuais instrumentos relevantes para a avaliação diagnóstica. O atual estudo propõe descrever o perfil epidemiológico de pacientes com Transtorno do Espectro Autista (TEA) em crianças de um serviço público de Brasília, dando enfoque a possíveis diferenças de gênero, a fim de incentivar novos trabalhos sobre o tema. Metodologia: Estudo realizado em 2 etapas. A primeira consistiu em uma análise retrospectiva de prontuários dos pacientes e a segunda se deu pela aplicação de questionários direcionados aos responsáveis das crianças, avaliando os critérios do DSM-5 e aplicando os instrumentos diagnósticos ASSQ, ABC e M-CHAT. Resultados: Não foram encontradas diferenças epidemiológicas entre os grupos. Nos critérios do DSM-5 foi observada distribuição diferente dos domínios entre meninos e meninas. No ASSQ, ambos os grupos obtiveram pontuação semelhante e no ABC, as meninas obtiveram maior pontuação. O M-CHAT -CHAT foi desconsiderado para análise, pois havia apenas 1 paciente elegível para aplicação. Conclusões: Percebe-se que existem diferenças no diagnóstico de meninas com TEA, sendo que nas meninas o predomínio dos critérios A e B do DSM-V (comunicação e interação social, padrões restritivos e repetitivos de comportamento), enquanto que nos meninos há uma distribuição mais homogênea na sintomatologia e na gravidade. Mais estudos sobre esse tema ainda muito desconhecido são necessários.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.014 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".